Spatial lag dependence in the presence of missing observations
Spatial lag dependence in the presence of missing observations
复制标题
存在缺失观测值时的空间滞后依赖性
DOI：
10.1007/s00168-015-0737-2
复制
发表时间：
2015
影响因子：
1.7
通讯作者：
Takahisa Yokoi
中科院分区：
文献类型：
--
作者：
横井 渉央;横井渉央;Takahisa Yokoi
我们探讨了在存在缺失观测的情况下，空间滞后模型的估计有效性。空间滞后模型用于度量因变量之间的相互依赖关系。如果没有缺失数据，就很容易解释这种空间自相关过程。在实证研究中有时会使用非常稀疏的样本数据。对于这样的数据，我们只观察到总体中包含可能的相互依赖的一小部分。基于人工数据的仿真研究证实了空间模型和非空间模型的取样率与取样率之间的关系。我们的发现包括：(1)可能没有观察到数据生成过程(DGP)的负空间自相关。(2)可以观察到DGP的正空间自相关，但它是向下偏的。(3)如果我们使用非行标准化的权重矩阵，我们可以得到较少有偏的估计。(4)非空间模型倾向于选择正确的模型，即空间滞后模型。(5)回归系数的估计几乎是无偏的。
We explore the estimation effectiveness of spatial lag models in the presence of missing observations. Spatial lag models are used to measure interdependency between dependent variables. If there are no missing data, it is easy to interpret this spatial autocorrelation process. Very sparsely sampled data are sometimes used in empirical studies. For such data, we observe only a small part of a population containing possible mutual dependencies. Simulation studies based on artificial data confirm the relation between the sampling rate and selection ratio of spatial and non-spatial models. Our findings include the following: (1) Negative spatial autocorrelation of the data-generating process (DGP) may not be observed. (2) Positive spatial autocorrelation of the DGP may be observed, but it is downward-biased. (3) We obtain less-biased estimates if we use a non-row-standardized weight matrix. (4) Non-spatial models tend to be selected in preference to the correct model, the spatial lag model. (5) Estimates of regression coefficients remain almost unbiased.
登录
查看更多内容
系统抽样、时间聚合和政治关系研究
影响因子：
5.4
作者：
John R. Freeman
通讯作者：
John R. Freeman
影响因子：
1.9
作者：
Kelejian, HH;Prucha, IR
通讯作者：
Prucha, IR
肮脏的空间计量经济学
DOI：
10.1007/s00168-015-0726-5
发表时间：
2016
期刊：
The Annals of Regional Science
影响因子：
--
作者：
G. Arbia;G. Espa;D. Giuliani
通讯作者：
D. Giuliani
DOI：
10.1068/a211511
发表时间：
1989-11-01
期刊：
ENVIRONMENT AND PLANNING A
影响因子：
--
作者：
GRIFFITH, DA;BENNETT, RJ;HAINING, RP
通讯作者：
HAINING, RP
具有空间滞后因变量和不完整数据的空间模型
影响因子：
2.9
作者：
H. Kelejian;I. Prucha
通讯作者：
I. Prucha